基于BP神经网络的河北省小麦主要病害预测系统

发布时间：2020-10-19 07:26

　　 小麦是我国的主要粮食作物,在生长过程中容易受到赤霉病、白粉病、锈病、纹枯病等重要病害的影响,影响小麦的产量与品质,如果防治不及时,极易造成严重的经济损失。及时准确的预测小麦病害发生情况,对构成小麦病害高效防控体系具有重要的意义。本系统主要使用PHP技术来实现小麦病害的预测,基于WebGIS平台通过百度地图来展示小麦病害的发病级别,使用ECharts技术对小麦病害预测结果进行分析与展示,分析发展趋势,实现可视化。利用GIS来实现区域定位,便于直观的观察发病地区与级别。论文通过使用BP神经网络算法,设计了河北省小麦主要病害的预测预报模型。以小麦赤霉病为例,将病害的发病等级分为4级,对病害的发生进行预测,在终端实现病害的可视化展示,便于植保部门制定相应的防治方案,确保小麦产量和农民增产增收。主要工作如下:(1)系统分析设计,系统采用模块化设计,将整个系统划分为前端的信息展示和后台管理,前端为地图区域的显示;将预测出的病害情况结果与真实结果进行对比,病害历年的发生面积与种植面积进行比较。后台管理具有数据分析显示和用户信息的管理。(2)基于BP神经网络建立预测模型,在信息展示中,对小麦的气象环境因素进行分析,先选取前几次的数据作为样本,采用BP神经网络算法来处理,建立预测模型,然后对其它的数据进行预测。该模型会根据选取的样本数据进行模型训练,利用自适应能力来自动调节,直到满足条件,再利用其它数据进行检测,确保可靠性。(3)实现病害预测可视化,通过预测模型对小麦病害进行预测,将结果在百度地图上显示出来,利用热力图来直观的观测病害的发病严重等级和发病地区,可以从整体上估计损失程度,实现可视化效果。以便于针对发病地区做出防治,来控制病害的面积进一步扩大。(4)使用ECharts技术将预测发病变化趋势展示出来,以便于直观分析,通过分析小麦病害的发病规律来预测未来病害发生情况,使用ECharts技术展示模型的效果,以及发病面积与条件因素的规律。本系统的设计开发,为小麦主要病害的预测预报研究提供了高效的技术工具,是信息处理技术与农业病害防治的有机结合,利用计算机技术解决小麦病害预测的一种有效途径。
【学位单位】：河北农业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S435.121;S126
【部分图文】：

北省小麦病害主要是赤霉病、条锈病、纹枯病等，本系统以小麦赤霉病对象，根据相关气象条件来预测其发生情况，赤霉病在河北省发生地区、危害等级参照张雪娇等人的调查数据[34]，用 BP 神经网络算法对小麦生情况进行预测预报，该系统功能主要包括小麦赤霉病发生的地区、面级、小麦种植面积和感染面积对比等，还能为农民提供常见的防治方法总体结构图如图 3-1 所示：

一个良好的数据库存储方法是十分有必要的。数据库的设计可能会影相对应的功能，如果数据库的设计方法不够完善，就可能会在系统的响某些功能的执行效果和效率[39]。因此数据库的存储方法设计是至关建立数据库使用系统的中心问题[40]，设计数据库具有相应的原则标准）数据库要具有高度结构化，按照规定的标准来进行规划，结合系统进）数据库设计时尽量减少冗余度，降低空间的消耗。）对数据的安全性进行相关设置，设定必要的数据保密级别。）对数据库提前做出扩展，以便于日后进一步合理开发。据库逻辑设计系统结构和功能进行分析设计，本系统的数据库存储的数据信息主要种，本系统的用户管理注册信息、小麦赤霉病害的气象数据信息、小面积信息、其他病害的数据信息等。根据各个数据表的信息来设计具构[41]。各个数据表的数据项和结构，其 E-R 图如图 3-2 所示：

通过对河北省地区近十几年来平均气温、相对湿度、降水量的分析，在2007~2017 年之间河北省地区赤霉病的发病面积与每年四五月的平均降水量、相对湿度、温度的变化趋势有很大相关性。赤霉病的发病面积与气象条件的关系如图4-1、图 4-2、图 4-3 所示，从图中观察到在这十几年中 2008 年和 2012 年为发病面积最大
【相似文献】

相关期刊论文 前10条

1 苗余超;;基于BP神经网络对地震前兆的研究[J];科学技术创新;2019年33期

2 姜文鑫;;基于BP神经网络的涡轴发动机故障诊断研究[J];智库时代;2019年52期

3 李欣;张进秋;姚军;彭虎;;基于BP神经网络的磁流变阻尼器逆向模型研究[J];海军工程大学学报;2019年06期

4 黄晓东;;财务BP的企业实践研究[J];现代国企研究;2019年04期

5 程萌勋;王永奇;;基于BP神经网络的深圳市垃圾产生量预测分析[J];区域治理;2019年29期

6 冯相榕;李鹏;孟旭莹;;基于BP神经网络的学生综合考评预测研究[J];计算机与网络;2019年20期

7 张铁成;;BP神经网络法在换索施工中的应用[J];公路交通科技(应用技术版);2016年11期

8 徐明鹃;王本有;;BP神经网络集成挖掘方法在财务预警中的应用[J];长春工业大学学报;2016年03期

9 邢蕾;赵鹏飞;;BP神经网络的一个解析算例[J];科技创新导报;2016年25期

10 韩文龙;王延斌;高向东;刘国伟;陶传奇;;基于BP神经网络的沉积微相识别[J];煤炭技术;2016年12期

相关博士学位论文 前10条

1 何毅;基于BP神经网络电容法刨花含水率测试仪的研究与开发[D];南京林业大学;2006年

2 吕军城;山东省农村居民自杀未遂预警BP神经网络及指标体系构建[D];山东大学;2015年

3 卢志宏;基于BP神经网络的荒漠啮齿动物群落对气候变化滞后响应[D];内蒙古农业大学;2016年

4 赵景润;气象因素对上消化道出血的影响及BP神经网络模型的建立[D];山东大学;2014年

5 王菂;脑卒中患者体内BP抗体水平与大疱性类天疱疱患者认知功能研究[D];北京协和医学院;2015年

6 刘浴辉;东亚季风区8.2ka BP气候突变记录及其精细解剖[D];中国地质大学;2012年

7 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年

8 李英伟;基于增量改进BP神经网络微波深度干燥模型及应用研究[D];昆明理工大学;2011年

9 朱新萍;22.70ka BP以来罗布泊“大耳朵”区域湖泊沉积特征及其环境指示意义[D];新疆农业大学;2015年

10 林娟;基于BP神经网络下的矿业上市公司融资风险预警研究[D];中国地质大学(北京);2013年

相关硕士学位论文 前10条

1 于发;基于BP神经网络的河北省小麦主要病害预测系统[D];河北农业大学;2019年

2 张阳;基于BP神经网络的毛笔字笔画提取[D];山东科技大学;2018年

3 谷超;液压支架姿态智能感知系统及基于BP神经网络决策研究[D];中国矿业大学;2019年

4 林凯;卡尔曼滤波-BP神经网络组合模型在地铁变形监测中的应用[D];西安科技大学;2019年

5 吴嘉文;基于BP神经网络的风电场风电功率预测系统的设计与实现[D];南昌航空大学;2019年

6 张楠;基于优化的BP神经网络与SVR算法对AQI的预测研究[D];中北大学;2019年

7 马利芸;寿险需求影响因素的岭回归分析和BP神经网络预测[D];燕山大学;2018年

8 李方邑陆;基于BP神经网络的重型拖拉机换挡策略与自动控制方法研究[D];吉林大学;2019年

9 林祥烽;铝型材三维拉弯构件成形精度与BP神经网络回弹模型的研究[D];吉林大学;2019年

10 史轲;基于BP网的不确定图K近邻查询研究与实现[D];东北大学;2015年

本文编号：2846906